1.一种迭代学习控制参考轨迹的优化匹配组合方法，包括对于已知的参考轨迹或期望轨迹ld(v)|v∈[0,1](v为NURBS轨迹的节点矢量参数，为了便于优化匹配算法研究，整条轨迹的定义域为规范参数域v∈[0,1])和轨迹库CurveBank，轨迹库CurveBank其中含有n条NURBS轨迹li(v)|v∈[0,1](1≤i≤n,i∈N)，分割参数 和 分割其中的第i条轨迹形成临时基元 迭代学习控制简称ILC；步骤如下：

Step1：寻找与整条参考轨迹ld(v)|v∈[0,1]最相似的一条轨迹，令ldj(v)|v∈[0,1]＝ld(v)|v∈[0,1](j＝1，ld1(v)|v∈[0,1]表示第1段参考轨迹)，分裂参数 和搜索步长b初始化；

Step2：假设Ld和Ll分别是在轨迹ldj(v)|v∈[0,1](其中ldj(v)|v＝0和ldj(v)|v＝1分别为轨迹ldj(v)|v∈[0,1]的起止点)和ll(v)|v∈[0,1](临时基元)上取出的在世界坐标系{B}下的坐标序列，k+1为此序列的坐标点个数，如式(1)、(2)所示；Od和Ol分别是轨迹ldj(v)|v∈[0,1]和lj(v)|v∈[0,1]的质心，wi表示Ld和Ll的第i点对应的权值 如式(3)、(4)所示；以轨迹ld(v)|v∈[0,1]和ll(v)|v∈[0,1]各自质心为原点的笛卡尔直角坐标系，暂称作质心坐标系，dLd和 lLl分别是Ld和Ll相对各自质心坐标系(与世界坐标系的姿态一致)下的坐标序列，R为使Ld和Ll的均方根偏差最小时的最优旋转矩阵，如式(5)所示；

l d

Df＝R Ll-Ld (5)

其中，Df为偏差矩阵，D'f为Df的转置，tr(Dt)表示矩阵Dt的迹，通过公式(1)～(7)得到两条轨迹的最小均方根偏差lrm，给定一个相似度ε>0，若lrm<ε，则两条轨迹相似，跳入Step3；反之不相似，跳入Step4；

Step3：若 跳入Step6；若 则判断搜索步长是否达到最小；若没达到，则令搜

索步长b＝b/2，分裂参数 跳入Step2；若达到则跳入Step5；

Step4：令搜索步长b＝b/2，分裂参数 跳入Step2；

Step5：此时可得被分割的第j段期望轨迹 和与其对应的匹配基元

lj(v)|v∈[0,1]，这样，第j次匹配结束，期望轨迹ldj(v)|v∈[0,1]被分割成两段期望轨迹ldj(v)|v∈[0,1]与ld(j+1)(v)|v∈[0,1]；将ld(j+1)(v)|v∈[0,1]作为整条期望轨迹，令j＝j+1，分裂参数 和搜索步长b初始化，跳入Step2；

Step6：此时可得所有期望轨迹段ldj(v)|v∈[0,1]和与其对应的匹配基元lj(v)|v∈[0,1](j＝1,……,m)，优化匹配结束；

Step7：对 匹 配 基 元lj(v)|v∈[0,1](j＝1,……,m)(jlj(v)|v∈[0,1]为匹配基元lj(v)|v∈[0,1]在其质心坐标系{j}下的表示)进行旋转和平移变换：l"j(v)|v∈[0,1]＝Rj·jlj(v)|v∈[0,1]+djPBORG

其中：Rj和 djPBORG分别是基元 jlj(v)|v∈[0,1]与对应的期望曲线段ldj(v)|v∈[0,1]之间最优的旋转矩阵和平移向量；

Step8：组合匹配基元ldj(v)|v∈[0,1](j＝1,……,m)，获得ILC参考轨迹ld(v)|v∈[0,1]的相似参考轨迹： 其中 表示将m条曲线l"j(v)|v∈[0,1]依次按各自质心在世界坐标系下的组合, 表示此组合轨迹与参考轨迹ld(v)|v∈[0,1]叠合。

2.根据权利要求书1中所述的一种迭代学习控制参考轨迹的优化匹配组合方法，其特征在于：Step2中的轨迹相似性判断方法具体是：给定一个相似度ε>0，对于轨迹段ld(v)|v∈[0,1]与ll(v)|v∈[0,1]；其中轨迹段dll(v)|v∈[0,1]通过旋转R和平移 PlORG变换为ll"(v)|v∈[0,1]后，ld(v)|v∈[0,1]与l"l(v)|v∈[0,1]之间的最小均方根偏差lrm<ε；则称在相似度ε下轨迹ld(v)|v∈[0,1]与ll(v)|v∈[0,1]相似，记为 并且轨迹ld(v)|v∈[0,1]与l"l(v)|v∈[0,1]叠合，记为